Modelo de aprendizaje para sistemas de recomendación, caso: Curso Programación Web

Descripción del Articulo

A Concytec y Cienciactiva por todo el apoyo y darnos la confianza de realizar investigacion. A Fincyt por la investigación en el proyecto 217-FINCyT-IA-2013
Detalles Bibliográficos
Autor: Vera Sancho, Julio Augusto
Formato: tesis de maestría
Fecha de Publicación:2016
Institución:Consejo Nacional de Ciencia Tecnología e Innovación
Repositorio:CONCYTEC-Institucional
Lenguaje:español
OAI Identifier:oai:repositorio.concytec.gob.pe:20.500.12390/2031
Enlace del recurso:https://hdl.handle.net/20.500.12390/2031
Nivel de acceso:acceso abierto
Materia:Sistemas de recomendación
E-learning
Maquinas de aprendizaje
Redes bayesianas
https://purl.org/pe-repo/ocde/ford#2.02.04
id CONC_d71ea0efe5fb330eda2d34f877fcc078
oai_identifier_str oai:repositorio.concytec.gob.pe:20.500.12390/2031
network_acronym_str CONC
network_name_str CONCYTEC-Institucional
repository_id_str 4689
dc.title.none.fl_str_mv Modelo de aprendizaje para sistemas de recomendación, caso: Curso Programación Web
title Modelo de aprendizaje para sistemas de recomendación, caso: Curso Programación Web
spellingShingle Modelo de aprendizaje para sistemas de recomendación, caso: Curso Programación Web
Vera Sancho, Julio Augusto
Sistemas de recomendación
E-learning
Maquinas de aprendizaje
Redes bayesianas
https://purl.org/pe-repo/ocde/ford#2.02.04
title_short Modelo de aprendizaje para sistemas de recomendación, caso: Curso Programación Web
title_full Modelo de aprendizaje para sistemas de recomendación, caso: Curso Programación Web
title_fullStr Modelo de aprendizaje para sistemas de recomendación, caso: Curso Programación Web
title_full_unstemmed Modelo de aprendizaje para sistemas de recomendación, caso: Curso Programación Web
title_sort Modelo de aprendizaje para sistemas de recomendación, caso: Curso Programación Web
author Vera Sancho, Julio Augusto
author_facet Vera Sancho, Julio Augusto
author_role author
dc.contributor.author.fl_str_mv Vera Sancho, Julio Augusto
dc.subject.none.fl_str_mv Sistemas de recomendación
topic Sistemas de recomendación
E-learning
Maquinas de aprendizaje
Redes bayesianas
https://purl.org/pe-repo/ocde/ford#2.02.04
dc.subject.es_PE.fl_str_mv E-learning
Maquinas de aprendizaje
Redes bayesianas
dc.subject.ocde.none.fl_str_mv https://purl.org/pe-repo/ocde/ford#2.02.04
description A Concytec y Cienciactiva por todo el apoyo y darnos la confianza de realizar investigacion. A Fincyt por la investigación en el proyecto 217-FINCyT-IA-2013
publishDate 2016
dc.date.accessioned.none.fl_str_mv 2024-05-30T23:13:38Z
dc.date.available.none.fl_str_mv 2024-05-30T23:13:38Z
dc.date.issued.fl_str_mv 2016
dc.type.none.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
dc.identifier.uri.none.fl_str_mv https://hdl.handle.net/20.500.12390/2031
url https://hdl.handle.net/20.500.12390/2031
dc.language.iso.none.fl_str_mv spa
language spa
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
dc.rights.uri.none.fl_str_mv http://creativecommons.org/licenses/by-nc/4.0/
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc/4.0/
dc.publisher.none.fl_str_mv Universidad Nacional de San Agustín de Arequipa
publisher.none.fl_str_mv Universidad Nacional de San Agustín de Arequipa
dc.source.none.fl_str_mv reponame:CONCYTEC-Institucional
instname:Consejo Nacional de Ciencia Tecnología e Innovación
instacron:CONCYTEC
instname_str Consejo Nacional de Ciencia Tecnología e Innovación
instacron_str CONCYTEC
institution CONCYTEC
reponame_str CONCYTEC-Institucional
collection CONCYTEC-Institucional
repository.name.fl_str_mv Repositorio Institucional CONCYTEC
repository.mail.fl_str_mv repositorio@concytec.gob.pe
_version_ 1844883043179823104
spelling Publicationrp05041600Vera Sancho, Julio Augusto2024-05-30T23:13:38Z2024-05-30T23:13:38Z2016https://hdl.handle.net/20.500.12390/2031A Concytec y Cienciactiva por todo el apoyo y darnos la confianza de realizar investigacion. A Fincyt por la investigación en el proyecto 217-FINCyT-IA-2013Los sistemas de recomendación en la actualidad nos ayudan a obtener resultados de búsqueda cercano o adaptados a nuestras necesidades, en los últimos años este enfoque ha ido cambiando y se ha centrado en los sistemas e-Learning y dentro de lo que son los sistemas de gestión de aprendizaje, que son tecnologías educativas muy importante para el desarrollo académico de las estudiantes, dentro de los sistemas de recomendación tradicionales se hace un matching entre lo que es las entradas del estudiante, que por lo general son las tareas y las notas que se le da al estudiante por su desenvolvimiento ante una tarea, que es proporcionada por un profesor o algún sistema. Este trabajo propone un modelo de recomendación de contenidos educativos basado en el contexto de un usuario, el cual usa un modelo de contexto que incorpora el rol, las tareas, ejercicios de programación y su aplicación al problema de recomendación. Las recomendaciones se hacen sobre la base de la estimación de la diferencia que existe entre el nivel de conocimiento actual de un usuario frente a las habilidades que requiere en su contexto que se encuentra. En el trabajo se usa una técnica de razonamiento probabilístico para las recomendaciones, para tener en cuenta las especificaciones inexactas de las competencias de los usuarios y los requerimientos en su contexto. Los experimentos desarrollados en el contexto del estudiante, muestran que, usando un modelo de razonamiento probabilístico ayuda a obtener mejores recomendaciones de contenidos educativos, según a las competencias faltantes de un estudiante respecto a un tema que necesita aprender, lo cual se busca hacer una estandarización para sistemas de recomendación.Consejo Nacional de Ciencia, Tecnología e Innovación Tecnológica - ConcytecspaUniversidad Nacional de San Agustín de Arequipainfo:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc/4.0/Sistemas de recomendaciónE-learning-1Maquinas de aprendizaje-1Redes bayesianas-1https://purl.org/pe-repo/ocde/ford#2.02.04-1Modelo de aprendizaje para sistemas de recomendación, caso: Curso Programación Webinfo:eu-repo/semantics/masterThesisreponame:CONCYTEC-Institucionalinstname:Consejo Nacional de Ciencia Tecnología e Innovacióninstacron:CONCYTEC#PLACEHOLDER_PARENT_METADATA_VALUE#20.500.12390/2031oai:repositorio.concytec.gob.pe:20.500.12390/20312024-05-30 15:41:36.04http://creativecommons.org/licenses/by-nc/4.0/info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_14cbinfo:eu-repo/semantics/closedAccessmetadata only accesshttps://repositorio.concytec.gob.peRepositorio Institucional CONCYTECrepositorio@concytec.gob.pe#PLACEHOLDER_PARENT_METADATA_VALUE#<Publication xmlns="https://www.openaire.eu/cerif-profile/1.1/" id="e655e617-dfb9-4da1-80bc-9525f655937c"> <Type xmlns="https://www.openaire.eu/cerif-profile/vocab/COAR_Publication_Types">http://purl.org/coar/resource_type/c_1843</Type> <Language>spa</Language> <Title>Modelo de aprendizaje para sistemas de recomendación, caso: Curso Programación Web</Title> <PublishedIn> <Publication> </Publication> </PublishedIn> <PublicationDate>2016</PublicationDate> <Authors> <Author> <DisplayName>Vera Sancho, Julio Augusto</DisplayName> <Person id="rp05041" /> <Affiliation> <OrgUnit> </OrgUnit> </Affiliation> </Author> </Authors> <Editors> </Editors> <Publishers> <Publisher> <DisplayName>Universidad Nacional de San Agustín de Arequipa</DisplayName> <OrgUnit /> </Publisher> </Publishers> <License>http://creativecommons.org/licenses/by-nc/4.0/</License> <Keyword>Sistemas de recomendación</Keyword> <Keyword>E-learning</Keyword> <Keyword>Maquinas de aprendizaje</Keyword> <Keyword>Redes bayesianas</Keyword> <Abstract>Los sistemas de recomendación en la actualidad nos ayudan a obtener resultados de búsqueda cercano o adaptados a nuestras necesidades, en los últimos años este enfoque ha ido cambiando y se ha centrado en los sistemas e-Learning y dentro de lo que son los sistemas de gestión de aprendizaje, que son tecnologías educativas muy importante para el desarrollo académico de las estudiantes, dentro de los sistemas de recomendación tradicionales se hace un matching entre lo que es las entradas del estudiante, que por lo general son las tareas y las notas que se le da al estudiante por su desenvolvimiento ante una tarea, que es proporcionada por un profesor o algún sistema. Este trabajo propone un modelo de recomendación de contenidos educativos basado en el contexto de un usuario, el cual usa un modelo de contexto que incorpora el rol, las tareas, ejercicios de programación y su aplicación al problema de recomendación. Las recomendaciones se hacen sobre la base de la estimación de la diferencia que existe entre el nivel de conocimiento actual de un usuario frente a las habilidades que requiere en su contexto que se encuentra. En el trabajo se usa una técnica de razonamiento probabilístico para las recomendaciones, para tener en cuenta las especificaciones inexactas de las competencias de los usuarios y los requerimientos en su contexto. Los experimentos desarrollados en el contexto del estudiante, muestran que, usando un modelo de razonamiento probabilístico ayuda a obtener mejores recomendaciones de contenidos educativos, según a las competencias faltantes de un estudiante respecto a un tema que necesita aprender, lo cual se busca hacer una estandarización para sistemas de recomendación.</Abstract> <Access xmlns="http://purl.org/coar/access_right" > </Access> </Publication> -1
score 13.395044
Modelo de aprendizaje para sistemas de recomendación, caso: Curso Programación Web
Nota importante:
La información contenida en este registro es de entera responsabilidad de la institución que gestiona el repositorio institucional donde esta contenido este documento o set de datos. El CONCYTEC no se hace responsable por los contenidos (publicaciones y/o datos) accesibles a través del Repositorio Nacional Digital de Ciencia, Tecnología e Innovación de Acceso Abierto (ALICIA).

Ejemplares Similares